X 4.0

Julkaistu 16.05.2019    Kirjoittanut Antti Piirainen  Tilaa RSS


Quality 4.0, Industry 4.0 jne. termeihin ei voi olla törmäämättä. Tähän rinnalle tulee AI (Artificial Intelligence) ja IoT (Internet of Things) termit sekä keskustelu siitä, että nämä vievät meidän työt, niks naks. Tietsikka pilvineen ja algoritmeineen helpottaa elämää ja syrjäyttää ihmisen työn tarpeen.

Itse uskon että tapahtuu päinvastaista. Korkean osaamisen paine kasvaa, ja todellinen asioiden ymmärtämisen ja oppimisen tarve koskee asiantuntijatehtäviä tekeviä. Pelkkä liimalappujen heitteleminen ryhmässä ei riitä.

Kone oppii sitä mitä sen opettaa oppimaan (ainakin vielä). Kone ei tee kysymyksiä, eikä korjaa vääriä vastauksia. Pohja reaalimaailman toiminnasta tulee olla paikallaan. Tämä koskee tekemistä, teknologiaa sekä ihmisten käyttäytymistä ja kognitiivisia kykyjä. Reaalimaailman lainalaisuudet luovat rajat, joissa tulemme olemaan, vaikka ei tahdottaisi.

Quality Progressin artikkelissa Bigger Better Smarter/1/ on näin amatöörille erinomaisesti kuvattu eri kerrokset, joiden välille pitää saada kommunikaatio toimimaan, niks naks. Itse olen liki kaksikymmentä vuotta saanut nähdä yrityksiä läheltä ja olen havainnut, että artikkelissa esitettyjen rajojen kommunikaatio ei ole niks naks -juttu.

Looginen arkkitehtuuri.png

Otanpa esimerkkinä sovelluskerroksesta useille tutun termin ERP (Enteprise Resource Planning). Toiminnanohjausjärjestelmä joka antaa "kaiken tiedon ja tekee tuotteiden/palveluiden tuottamisen aikataulutuksen ja resurssien määrittämisen, niks naks. Tuloksena on järjestelmä, missä on paljon epätarkkaa tietoa, joka on irti kontekstistä. Seuraus, paljon henkilöitä korjaamassa näitä virheitä, paljon Excel -taulukoita sekä palavereita. En väitä, että ERP:stä ei ole apua ja sitä ei tarvita. Edellä kuvaan yksinkertaistettuna huonosti hoidetun järjestelmän käyttöönottoa ja käyttämiseen liittyviä ongelmia. ERP ei ratkaise ongelmia, se tuo ne esiin, jos kommunikaatiot rajojen välillä eivät toimi. ERP toimii.

Älytehdas on paljon laajempi kokonaisuus kuin yksittäinen järjestelmä. Älytehtaassa kaikki on linkitetty toisiinsa. Monimutkaisuus on huikea. Minulla ei ole kykyä ymmärtää sitä. Tämä vaatii osaamista, jota kukaan yksittäinen ihminen ei voi hallita.

Visuaalinen kerros on näkymä, jonka täytyy palvella käyttötarkoitusta. Visuaalinen kerros tulee olla yhteydessä fysikaaliseen kerrokseen, todelliseen maailmaan, missä tuotteet ja palvelut valmistuvat.

Olen ajat sitten tippunut kärryiltä siinä, mitä tapahtuu esimerkiksi kun multimedialaitteella (käynnykällä) teen jotain, kuten lataan apin tai ostan jotain nettikaupasta. Tässä käsittämättömän monta prosessia liukuu toistensa kanssa sujuvasti. Laitteen sisällä oleva elektroniikka, verkko reitittimineen & servereineen yhdistyy reaalimaailman toimitusketjuun ja takaisin satelliittien välityksellä takaisin näkymäksi. Taustalla on joukko todellisia asiantuntijoita, ammattilaisia, jotka saavat asian näyttämään helpolta.

Tämä prosessi lähtee paljon ennen apin lataamistani ja sen ostamista. Joku on osannut esittää kysymyksen, mitä minä tarvitsen ja kuinka haluan käyttöliittymää käyttää jo paljon ennen kuin itse sen keksin.

Tämä sama koskee myös älytehdasta. Tarvitaan ymmärrys reaalimaailman toiminnan ja toimintaympäristön vaatimuksista, teknologiasta sekä johtamisen tarpeista ja ekonomiasta. Lisään mielessäni visuaalisen tason eteen tarpeen. Tarpeet ovat olemassa ja juuri ne nostavat esiin kysymyksiä siitä mitä minä haluan tai tarvitsen tietää toimiakseni järkevästi todellisuutta vasten. Tarpeiden ymmärtäminen on helpompaa, jos on tietoa ja osaamista. Sitä mitä et tiedä, sitä et tiedä.

Tarvekerros_1.png

Eri kerrostasoilla on erilaista osaamistarvetta. Ihminen helposti selittää maailmaa ainoastaan oman osaamisen näkökulmalla. Jos olet käyttöliittymäspesialisti, voit ajatella, että näkymä on kaikki kaikessa, koska sen pohjalta tehdään tulkinnat ja päätökset. Jos olet sovellusasiantuntija, unohdat reaalimaailman, koska softa kertoo mitä tehdä. Jos olet operaatioiden asiantuntija, voit ajautua ajattelemaan, että se on tärkein, koska se on todellista tekemistä. Kaikki tasot ovat tärkeitä, kaikki.

Maailma on tänä päivänä niin monimutkainen, että emme ole koskaan tienneet suhteellisesti niin vähän tästä hetkestä ja tästä maailmasta/2/. Ote siitä mitä syömme, mitä tapahtuu, kun käytämme älylaitteita, monimutkaiset globaalit toimitusketjut jne. ovat erkaannuuttaneet meidät reaalimaailmasta ja saa kaiken helposti näyttämään todella helpolta. Ruoka tulee kaupasta, sähkö töpselistä.

Monimutkaisuus kasvattaa asiantuntijoiden yhteystyön merkitystä ja toistemme asiantuntijouden arvostamista ja kunnioittamista. Kova osaamisen tarve kasvaa. Kun mennään tekoälyyn ja automaatioon pidemmälle tulee todellisen oikean tiedon ja reaalimaailman yhteyden tarve kasvamaan, koska järjestelmän monimutkaistuessa onnistumisen tarve kasvaa eksponentiaalisesti.

Tarvekerros.png

Kirjassani Vaihtelu/3/ kuvaan, kuinka monimutkaisuuden kasvaessa keskinäsvaikutusten (riippuvuussuhteiden lukumäärä) määrä vaikuttaa kokonaisonnistumiseen. Alla olevassa taulukossa on laskettu palautteiden esiintymistodenäköisyydet monimutkaisuuden ja yksittäisen esiintymistodennäköisyyden mukaan. Taulukossa vihreällä kuvattu tilanteet, joissa onnistuminen on järkevällä tasolla ja näin ollen ylimääräistä työtä esiintyy harvoin.

Taulukko.jpg.png

Vaihtelu tekee älytehtaan toteutuksesta hankalan ja hidastaa tätä X 4.0 -prosessia melkoisesti. Kysymys ei ole pelkästään teknologisista haasteista vaan myös laaduttomuudesta, joka näkyy kaikilla kerroksilla virheinä ja epäonnistumisina. Kommunikaatio ei toimi joko lähtökerroksen tai vastaanottavan kerroksen ongelmien takia.

Käytännössä tämä näkyy siten, että haluttu tapahtuma ei tapahdukaan. Tieto venttiilin asennosta ei saavuta visuaalista kerrosta tai materiaalin todellinen sijainti ja tilatieto ei ole yhteydessä visuaalisen kerroksen tilaan.

Speksit.jpg

Tämä ei ole yllätys vaan enemmänkin odotettavissa. Siksi ymmärrys epätarkkuudesta, vaihteluvälistä, auttaa ymmärtämän suorituskyvyn merkitystä. Tiukemmaksi vaatimuksia suhteessa reaalimaailmaa kykyä suoriutua tehtävästä aiheuttaa, että tilanne menee huonommaksi, eikä paremmaksi vaatimuksia tiukentamalla.

Esimerkkinä suorituskyvystä ja tiukemmista vaatimuksista voisi ajatella tilannetta, kun ajetaan autolla 100 km/ h. Kaistojen kaventaminen ei paranna tiellä pysymistä ja vähennä onnettomuuksia. Jos nopeuden lasku ei ole vaihtoehto, tulee asiantuntijoiden tehdä ajamisesta vakaampaa, eli parantaa suorituskykyä. Todellisuudessa valmistusnopeusvaatimusten kasvuvaatimus on nostanut nopeusvaatimusta monikertaiseksi, silti laatutason ja toimitusvarmuuden tulee pysyä hyvänä, jopa parantua.

Maailma ei ole eksakti vaan asiat tapahtuvat jollakin välillä. Legoja kootessa tämä vaihteluongelma on "poistettu". Otanpa legoja mistä paketista tahansa, milloin tahansa ja alan kokoamaan, osat menevät paikalleen ja jäävät kiinni toisiinsa. Ei tarvitse keskittyä kuin kohteen suunnitteluun tai ohjeen lukemiseen. Osat vaihtelevat vähän eli ovat saman kokoisia mitoiltaan niiltä osin, kun ne kiinnittyvät toisiinsa. Rajapintaongelmat on ratkaistu legoissa korkealla suorituskyvyllä.

Tämä sama on tehtävä eri älytehtaan kerrosten välillä, muuten epäonnistutaan ja ajaudutaan korjaamaan järjestelmiä. Epäonnistuminen tuo toki työtä, mutta ei auta tekemään asioita paremmin. Nämä ongelmat ovat abstrakteja ja vaatii kovaa osaamista vaihtelun hallinnalle. Pelkkä teknologiaosaaminen eri riitä. Tarvitaan usean alan asiantuntijoita. Tietokone ei osaa poistaa vaihtelua.

Lisäksi operaatioiden hallinnan ja reaalimaailman tuotteen ja palveluprosessien ymmärtäjille riittää työtä. Työ ottaa edelleen ja tulevaisuudessa tietyn ajan, tarvitaan raaka-aineita jossain muodossa, sekä tarve tehdä tämä kaikki optimaalisesti, mahdollisimman pienillä buffereilla/4/, on jatkossakin taloudellisesti kannattava ja pitkäjänteisen tekemisen ehto.

Vaihtelun ymmärtäminen, sen kuvaamisen, vaikutuksen analysoinnin tarve ei häviä, vaan edistyksellisten menetelmien tarve vain kasvaa. Sama koskee operaatioiden käyttäytymistä. Aika, työ ja kapasiteetti ovat fysikaalisia ilmiötä, joiden käyttäytymistä ja riippuvuussuhteita voidaan kuvata malleilla. Nämä mallit antavat asiantuntijoille parametrit, mitä kannattaa missäkin kohtaa mitata ja analysoida, kun liiketoiminnan tai toimintaympäristön tarpeista tulee jokin asia arvokkaaksi.

Informaatioteknologia ja sovelluskehitys sekä sisällöntuottajat ovat laatu- ja kehitysammattilaisen tasavertaisia apulaisia. He tarvitsevat meitä ja me heitä. Tämä vuosisata on kovan osaamisen ja yhteistyön vuosisata.

 

Antti_90.jpg
Antti Piirainen
antti@qk-karjalainen.fi

Lähteet:

  1. Padhi, N. & Kumar, P. Volume 52, Number 3, 2019. Quality Progress. ASQ.
  2. Harai, Y. N. 2017. Homo Deus Huomisen lyhyt historia. Bazar.
  3. Piirainen, A. 2014. Vaihtelu.
  4. Hopp, W. J. & Spearman, M. L. 2008. Factor Physic Third Edition. McGraw-Hill.

 

Kommentoi

(Sähköpostiosoitettasi ei julkisteta.)
Syötä kuvassa näkyvät kirjaimet ja numerot.
Captcha Code

Klikkaa kuvaa nähdäksesi uuden koodin.

  • JARI KOKKONEN

    Oivallista Antti !

  • Leena Keskisaari-Kajaste

    Juttu on naulan kantaan osuva kaikissa ulottuvuuksissaan. Erityisen osuvasti ilmaistu: "Toiminnanohjausjärjestelmä joka antaa "kaiken tiedon ja tekee tuotteiden/palveluiden tuottamisen aikataulutuksen ja resurssien määrittämisen, niks naks. Tuloksena on järjestelmä, missä on paljon epätarkkaa tietoa, joka on irti kontekstistä. Seuraus, paljon henkilöitä korjaamassa näitä virheitä, paljon Excel -taulukoita sekä palavereita. En väitä, että ERP:stä ei ole apua ja sitä ei tarvita. Edellä kuvaan yksinkertaistettuna huonosti hoidetun järjestelmän käyttöönottoa ja käyttämiseen liittyviä ongelmia. ERP ei ratkaise ongelmia, se tuo ne esiin, jos kommunikaatiot rajojen välillä eivät toimi. ERP toimii." ERPin tilalle voisi laittaa ihan minkä tahansa tietojärjestelmälyhteneen

  • Antti Piirainen

    Kiitos Leena ja Jari. On kiva kuulla, että olette saanet oivallusta kirjoituksestani. Asioiden liiallinen yksinkertaistaminen on yleensä tietämättömyyttä.

    Leena: Aivan oikein. Käytin ERPtä esimerkkinä, koska se on tuttu asiakaskunnassamme. Olen TÄYSIN samaa mieltä. Erpin voi korvata millä tahansa järjestelmällä.”X-system ratkaisee kaiken”

Tagipilvi

sitoutuminenpaloautopeliluotettava mittausvaihteludatan keräyskoulutusvuodiagrammidatan luokittelutilastollinen päätöksentekoKatahyväksymisnäytteenottoasiakastyytyväisyyskuvaaminenhypoteesitestausTPMtehokkuusreunalaadunohjaus5SideointilaatutyökalutDOEMonte CarloOhnoSix SigmaBalanced ScorecardriskinkartoituslainalaisuudettilastooeeROIValue Stream MappingKaizenuutiskirjehistogrammikausaliteettityökaluthävikkifunktiotäystekijäkoeguruttoiminnan lainalaisuudetasiakastyytyväisyysprosessiTQMarvovirtakuvausShewhartGage R&RTOCBOKmixtureCTPKaikakutilastomatematiikkat-testiCTQ8DEDAmonimuuttujatestijärjestäminenAsiakastarvePDCAkorrelaatioacceptance samplingKingmanin yhtälöryhmätyöskentelyLittlen lakiDFSSJatkuva parantaminenASQarvovirta-analyysiHall of Fametehollinen aikaLaatutyökalutlajitteluOFATSPCennustaminensuorituskykyGreen BeltparannusmalliHukkakvantitatiiviset menetelmätsyy-seurauskaaviotoiminnan laitFMEADesign of ExperimentsLaatukonferenssimittaaminenISO 9001PDSAjohtamisjärjestelmäControl Planryhmittelykaaviostabiilineukkarikoevaihtelun vaikutusMarkkinointierityissyy5W2H mielenmallit0-virheSPC-korttiturvallisuusohjausLean HandbookohjauskorttiMarkkinointiprosessinollavirheläpimenoaikadata-analyysiYellow BeltkalanruotoLaatujärjestelmäOpetusmenetelmätsysteemiBlack BeltLean-visioCrosbystandardointiISO 9000PDSA-ympyrädatan käsittelyjitqfdaivoriihiHarryShingolaatu ratkaiseeIATF 16949CDAkoesuunnitteludatan käsittelyWheelerregressioanalyysiDSDmittausprosessiIshikawaMinitabMinitab 19Combanion by Minitabhukan muodottehdasfysiikkamuutosIATFlaadunkehittäjäDesign for Six SigmaJohtaminenkustannussäästötparannusparannusmenetelmäprosessikuvauslaatutaulutdatan laatuasiakasL8-matriisiLeaninnovaatioTPSFeigenbaumANOVAarvovirtajaksoaikaSigmaMinitab 18suorituskykymittaritparannuksen johtaminenmuutoksen tuskatekoälyriskiohjaussuunnitelmaTuottavuusdataLean-talovalvontasatunnaissyyhypoteesitestilaadunparannusongelmanratkaisumonimuuttujakoeFactory PhysicsVOCToyotaterveydenhuoltotoleranssiJuranparannustoimintalaatuOpettaminenTaguchilaatu SuomessaParetooperaatiotutkimusBody of Knowledgemittaussysteemijidokasekoitekoemallidatan käsittelysatunnainen vaihteluDemingDMADVISO 9001:2015tiedonkerääminenpalveluBig DataMSADemonstraatiotmenetelmätmittavirheLean Six SigmaVSMpäämäärämalliKingmanparantaminenparannustoiminnan kehittyminenlaadunhallintaDMAICTätä on LeanpuhdistaminenLean Six Sigma Black BeltGage

Arkisto